数据库--使用索引的注意事项及常见场景

一、

索引的原理与作用，各种书籍和网络上的介绍可以说是铺天盖地，基本上主流数据库系统的也都是一致的。选择索引字段的原则，比如外键字段、数据类型较小的字段、经常用于查询或排序的字段、表关联的字段等等，在此不做赘述。本人在工作中见到过很多人创建的索引，回想自己以前也会有理论知识空洞的体会，总感觉理论知识无法与具体的工作问题相匹配。在此仅以工作学习中积累的一点经验和问题场景整理以飨读者。先把常见的注意事项整理如下：
索引应该建在选择性高的字段上（键值唯一的记录数/总记录条数），选择性越高索引的效果越好、价值越大，唯一索引的选择性最高；
组合索引中字段的顺序，选择性越高的字段排在最前面；
where条件中包含两个选择性高的字段时，可以考虑分别创建索引，引擎会同时使用两个索引（在OR条件下，应该说必须分开建索引）；
不要重复创建彼此有包含关系的索引，如index1(a,b,c) 、index2(a,b)、index3(a)；
组合索引的字段不要过多，如果超过4个字段，一般需要考虑拆分成多个单列索引或更为简单的组合索引；

 

      最后需要提醒的是，不要滥用索引。因为过多的索引不仅仅会增加物理存储的开销，对于插入、删除、更新操作也会增加处理上的开销，而且会增加优化器在选择索引时的计算代价。

因此太多的索引与不充分、不正确的索引对性能都是毫无益处的。一言以蔽之，索引的建立必须慎重，对每个索引的必要性都应该经过仔细分析，要有建立的依据。

 

 

举下面一个场景的例子，创建这样的索引是有效的吗？

select  *
from    t1, t2
where   t1.col_1 = t2.ab and t1.col_2 in (12, 38);

-- 创建索引如下
create index idx_t1_query on t1(col_1, col_2);

-- 或者仅创建索引如下

create index idx_t1_col2 on t1(col_2);

 

再比如，该表最常使用的SQL场景有以下两种类型，应该如何创建索引？

select  *
from    t1
where   t1.PartId = 'xxxx' and t1.STATE = 2 and t1.PROCID = 'yyyy'

select  *
from    t1
where   (t.PartId = 'xxxx' or t1.ActualPartId = 'xxxx' ) and t1.STATE = 2 and t1.PROCID = 'yyyy'

-- 创建一个“全覆盖的索引”，把查询条件都包含的索引
create index idx_t1_query on t1(partId, actualpartId, state, procid);

-- 还是分开创建如下两个索引
create index idx_t1_PartId on t1(partId, state, procid)
create index idx_t1_actualPartId on t1(actualpartId, state, procid)

      以执行计划和逻辑IO的统计数据显示，两个场景的测试结果都是后者索引有明显的效果，大家有兴趣可以自己测试验证一下。当然，生产环境远比这些要复杂，各表的数据量及数据分布情况也会影响引擎的执行方式，引擎对索引选择与要求也会不一样，此处仅以简单语句做示例进行说明。

 

 

组合索引查询的各种场景：

组合索引 Index (A, B, C)
下面条件可以用上该组合索引查询：
A>5
A=5 AND B>6
A=5 AND B=6 AND C=7
A=5 AND B=6 AND C IN (2, 3)

下面条件将不能用上组合索引查询：
B>5                                           ——查询条件不包含组合索引首列字段
B=6 AND C=7                            ——理由同上

下面条件将能用上部分组合索引查询：
A>5 AND B=2                            ——当范围查询使用第一列，查询条件仅仅能使用第一列
A=5 AND B>6 AND C=2             ——范围查询使用第二列，查询条件仅仅能使用前二列
A=5 AND B IN (2, 3) AND C=2   ——理由同上

组合索引排序的各种场景：

组合索引 Index(A, B)
下面条件可以用上组合索引排序：
ORDER BY A                   ——首列排序
A=5 ORDER BY B            ——第一列过滤后第二列排序
ORDER BY A DESC, B DESC      ——注意，此时两列以相同顺序排序
A>5 ORDER BY A            ——数据检索和排序都在第一列

下面条件不能用上组合索引排序：
ORDER BY B                   ——排序在索引的第二列
A>5 ORDER BY B            ——范围查询在第一列，排序在第二列
A IN(1,2) ORDER BY B    ——理由同上
ORDER BY A ASC, B DESC       ——注意，此时两列以不同顺序排序

索引合并的简单说明：
数据库能同时使用多个索引
SELECT * FROM TB WHERE A=5 AND B=6
能分别使用索引(A) 和 (B)；
对于这个语句来说，创建组合索引(A,B) 更好；
最终是采用组合索引，还是两个单列索引？主要取决于应用系统中是否存在这类语句：SELECT * FROM TB WHERE B=6

SELECT * FROM TB WHERE A=5 OR B=6
组合索引(A, B)不能用于此查询（目前的数据库也很智能，部分OR条件也能够使用组合索引，但效果不是很稳定）；
很明显，分别创建索引(A) 和 (B)会更好；

删除无效的冗余索引
TB表有两个索引(A, B) 和 (A)，对应两种SQL语句：SELECT * FROM TB WHERE A=5 AND B=6 和 SELECT * FROM TB WHERE A=5
执行时，并不是WHERE A=5 就用 (A)； WHERE A=5 AND B=6  就用 (A, B)；
其查询优化器会使用其中一个以前常用索引，要么都用(A, B)， 要么都用 (A)。
所以应该删除索引(A)，它已经被(A, B)包含了，没有任何存在的必要。

 

 

附1，查询指定表的数据量与索引定义情况：

--Sqlserver：
sp_helpindex 'tableName';
sp_spaceused 'tableName';
dbcc ShowContig('tableName') with all_indexes;

select t.name, t.indid, t.rowcnt, t.*
from sysindexes t
where t.id = OBJECT_ID('tkk0107') and t.indid in (0, 1);  -- t.status != 8388672

select  t2.name tabName, t3.name indName, t4.name colName, t1.*
from    sys.index_columns t1
join sys.tables t2 on t1.object_id = t2.object_id
join sys.indexes t3 on t2.object_id = t3.object_id and t1.index_id = t3.index_id
join sys.columns t4 on t2.object_id = t4.object_id and t1.column_id = t4.column_id
where t2.name = 'tableName'
order by t3.name, t1.index_column_id

--Oracle：
select t.NUM_ROWS, t.BLOCKS, t.Logging, t.TEMPORARY, t.last_analyzed, t.*
from user_tables t
where t.TABLE_NAME = upper('tkk0107');

select t.index_name, t.distinct_keys, t.num_rows, t.sample_size, t.last_analyzed
, t.blevel, t.leaf_blocks, t.status, t.*
from user_indexes t
where t.table_name = upper('tkk0107')
order by t.index_name;

select t.*
from user_ind_columns t
where t.TABLE_NAME = upper('tkk0107')
order by t.INDEX_NAME, t.COLUMN_POSITION;

 

 

附2，借助性能视图，查询数据表的SQL访问方式

--Oracle，根据共享池中的数据，统计指定表的访问SQL
with sh as
(
select max(t.sql_id) sql_id, substring(t.SQL_TEXT, 0, 100) sql_text, count(1) usecounts  --sum(executions)
from v$sql t
where t.SQl_text like '%table_name%'
group by substring(t.SQL_TEXT, 0, 100)
)

select sh.*, t.SQL_FULLTEXT
from sh join v$sql t on sh.sql_id = t.sql_id
order by sh.usecounts desc;

--sqlserver
with sh as (
select  cp.cacheobjtype, cp.objtype, max(cp.plan_handle) plan_handle
, left(dt.text, 100) sql_text, sum(cp.usecounts) usecounts
from    sys.dm_exec_cached_plans cp
cross apply sys.dm_exec_sql_text(cp.plan_handle) dt
where   dt.text like '%workitem%'
group by cp.cacheobjtype, cp.objtype, left(dt.text, 100)
)

select  sh.*, dt.text as sql_fulltext
from    sh cross apply sys.dm_exec_sql_text(sh.plan_handle) dt
order by sh.usecounts desc;

-- Sqlserver Identifying  Unused Indexes
SELECT OBJECT_NAME(t.object_id) as objName
, s.name, s.indid, s.dpages*8/1024 mb, t.*
FROM sys.dm_db_index_usage_stats t
join sysindexes s on t.object_id = s.id and t.index_id = s.indid
where   t.user_seeks = 0
--and t.user_scans = 0
--and t.user_lookups = 0
order by t.object_id, t.index_id

-- 2005分区后的准确大小
SELECT *
FROM sys.dm_db_index_physical_stats(DB_ID(), OBJECT_ID ('LCGS609999.workitem'), 21, null, null)

-- Oracle 提供如下方式，对索引进行有效性分析，经过分析的索引信息存储在index_stats数据字典
analyze index IDX_WORKITEM_PARTICIPANT validate structure;

-- 当删除率大于15%时，考虑索引重建
select t.name, t.del_lf_rows, t.lf_rows - t.del_lf_rows as lf_rows_used
, to_char((t.del_lf_rows/t.lf_rows) * 100, '999.999') as ratio, t.*
from index_stats t
where t.name = upper('index_name');

-- 监视索引的使用情况，但此种方法仅能知道该索引有没有被使用，不知道使用的频率
alter index IDX_WORKITEM_PARTICIPANT monitoring usage;
alter index IDX_WORKITEM_PARTICIPANT nomonitoring usage;

select * from v$object_usage t where t.table_name = upper('');

-- 获得索引使用频率的脚本
WITH Q AS (
SELECT
S.OWNER                  A_OWNER,
TABLE_NAME               A_TABLE_NAME,
INDEX_NAME               A_INDEX_NAME,
INDEX_TYPE               A_INDEX_TYPE,
SUM(S.BYTES) / 1048576   A_MB
FROM DBA_SEGMENTS S,
DBA_INDEXES  I
WHERE S.OWNER = USER
AND I.OWNER = USER
AND INDEX_NAME = SEGMENT_NAME
GROUP BY S.OWNER, TABLE_NAME, INDEX_NAME, INDEX_TYPE
HAVING SUM(S.BYTES) > 1048576 * 100 --超过100M的索引
)
SELECT /*+ NO_QUERY_TRANSFORMATION(S) */
A_OWNER                                    OWNER,
A_TABLE_NAME                               TABLE_NAME,
A_INDEX_NAME                               INDEX_NAME,
A_INDEX_TYPE                               INDEX_TYPE,
A_MB                                       MB,
DECODE (OPTIONS, null, '      -', OPTIONS) INDEX_OPERATION,
COUNT(OPERATION)                           NR_EXEC
FROM  Q,
DBA_HIST_SQL_PLAN D
WHERE D.OBJECT_OWNER(+)= q.A_OWNER
AND D.OBJECT_NAME(+) = q.A_INDEX_NAME
GROUP BY
A_OWNER,
A_TABLE_NAME,
A_INDEX_NAME,
A_INDEX_TYPE,
A_MB,
DECODE (OPTIONS, null, '      -', OPTIONS)
ORDER BY
A_OWNER,
A_TABLE_NAME,
A_INDEX_NAME,
A_INDEX_TYPE,
A_MB DESC,
NR_EXEC DESC;

 

附3，索引重建示例

--查出系统中数据量较大的表，重建索引、收集更新统计信息
--a)    Sqlserver：
select OBJECT_NAME(t.id) AS tableName, t.rows, t.*
from sys.sysindexes t
where t.indid in (0, 1)
order by t.rows desc;

-- 查看统计信息
sp_helpstats 'tkk0107'
dbcc show_statistics('tkk0107', 'columnName');

-- 重建索引、更新统计信息
ALTER INDEX ALL|indexName ON tableName REBUILD WITH(ONLINE=ON, MAXDOP=16);
UPDATE STATISTICS  tableName;

--b)    Oracle：
select t.table_name, t.num_rows, t.*
from user_tables t
where t.num_rows > 0
order by t.num_rows desc;

-- 查看统计信息
SELECT t.*
FROM dba_tab_col_statistics t
WHERE t.table_name = upper('tkk0107') and t.owner=user;

-- 重建索引、更新统计信息
ALTER INDEX   indexName REBUILD ONLINE NOLOGGING PARALLEL 4;
ANALYZE TABLE tableName COMPUTE STATISTICS;
ANALYZE INDEX indexName COMPUTE STATISTICS;

--全库重建索引的方法：
--Sqlserver：
exec sp_msforeachtable 'DBCC DBREINDEX(''?'')'

--Oracle：
DECLARE CURSOR myCur IS
select INDEX_NAME from user_indexes
WHERE TABLE_NAME='GSPAURESULT' AND INDEX_TYPE='NORMAL';
v_cname myCur% rowtype;
vsSql varchar2(256);
begin
open myCur;
loop
fetch myCur into v_cname;
exit when myCur% notfound;
vsSql:='ALTER INDEX ' || v_cname.INDEX_NAME  || ' REBUILD ONLINE NOLOGGING PARALLEL 4';
EXECUTE IMMEDIATE vsSql;
end loop;
close myCur;
end;

补充：

      Where条件中Or的两组条件如果分别落在两个数据表上，即使对应的字段都已创建索引，引擎也是无法使用索引的。如下SQL，此语句实际上仅返回一条数据，但对于TRFKZL和TRHBZL来说，Oracle、SqlServer都是进行全表扫描。

SELECT *
FROM   TRFKZL
LEFT JOIN TRFKSQ ON TRFKZL_SQDNM = TRFKSQ_NM
INNER JOIN TRYWLX ON TRFKZL_YWLX = TRYWLX_NM
INNER JOIN ZWJSFS ON TRFKZL_JSFS = ZWJSFS_ID
INNER JOIN LSWBZD ON TRFKZL_HB = LSWBZD_ID
INNER JOIN TRZH FK ON TRFKZL_FKZH = FK.TRZH_NM
LEFT JOIN TRZH SK ON TRFKZL_SKZH = SK.TRZH_NM
LEFT JOIN YSYSXM ON TRFKZL_SZXM = YSYSXM_XMUID
LEFT JOIN TRHBZL ON TRFKZL_NM = TRHBZL_ZLNM
WHERE (    TRFKZL_SQDNM IN ('d1c01251-bc0a-4ecb-8ed0-742614245bdd')
OR TRHBZL_SQDNM IN ('d1c01251-bc0a-4ecb-8ed0-742614245bdd')
)
AND TRFKZL_YWLY = 0

 

按照建议更改SQL写法，走索引查找，响应时间在1秒以内。当然，从原始语句的筛选条件也能够感觉到怪怪的，根本上来讲应该是个设计问题。

SELECT *
FROM   TRFKZL
LEFT JOIN TRFKSQ ON TRFKZL_SQDNM = TRFKSQ_NM
INNER JOIN TRYWLX ON TRFKZL_YWLX = TRYWLX_NM
INNER JOIN ZWJSFS ON TRFKZL_JSFS = ZWJSFS_ID
INNER JOIN LSWBZD ON TRFKZL_HB = LSWBZD_ID
INNER JOIN TRZH FK ON TRFKZL_FKZH = FK.TRZH_NM
LEFT JOIN TRZH SK ON TRFKZL_SKZH = SK.TRZH_NM
LEFT JOIN YSYSXM ON TRFKZL_SZXM = YSYSXM_XMUID
LEFT JOIN TRHBZL ON TRFKZL_NM = TRHBZL_ZLNM
WHERE     TRFKZL_SQDNM IN ('d1c01251-bc0a-4ecb-8ed0-742614245bdd')
AND TRFKZL_YWLY = 0

UNION

SELECT *
FROM   TRFKZL
LEFT JOIN TRFKSQ ON TRFKZL_SQDNM = TRFKSQ_NM
INNER JOIN TRYWLX ON TRFKZL_YWLX = TRYWLX_NM
INNER JOIN ZWJSFS ON TRFKZL_JSFS = ZWJSFS_ID
INNER JOIN LSWBZD ON TRFKZL_HB = LSWBZD_ID
INNER JOIN TRZH FK ON TRFKZL_FKZH = FK.TRZH_NM
LEFT JOIN TRZH SK ON TRFKZL_SKZH = SK.TRZH_NM
LEFT JOIN YSYSXM ON TRFKZL_SZXM = YSYSXM_XMUID
LEFT JOIN TRHBZL ON TRFKZL_NM = TRHBZL_ZLNM
WHERE      TRHBZL_SQDNM IN ('d1c01251-bc0a-4ecb-8ed0-742614245bdd')
AND TRFKZL_YWLY = 0

二、

虽然使用索引的初衷是提高数据库性能，但有时也要避免使用它们。下面是使用索引的方针。   1、索引不应该用于小规模的表。   2、当字段用于WHERE子句作为过滤器会返回表里的大部分记录时，该字段就不适合设置索引。   举例来说，图书里的索引不会包括像the或and这样的单词。   3、经常会被批量更新的表可以具有索引，但批量操作的性能会由于索引而降低。   对于经常会被加载或批量操作的表来说，可以在执行批量操作之前去除索引，在完成操作之后再重新创建索引。这是因为当表里插入数据时，索引也会被更新，从而增加了额外的开销。   4、不应该对包含大量NULL值的字段设置索引。   5、经常被操作的字段不应该设置索引，因为对索引的维护会变得很繁重。    警告：对于特别长的关键字创建索引时要十分谨慎，因为大量I/O开销会不可避免地降低数据库性能。
   从下图可以看出，像性别这样的字段设置索引就没有什么好处。    举例来说，向数据库提交如下查询：
   select * from table_name
   where gender = "FEMALE";
   


   从上图可以看出，在运行上述这个查询时，表与索引之间有一个持续的行为。    由于WHERE GENDER = 'FEMALE'(或'MALE')子句会返回大量记录，数据库服务程序必须持续地读取索引、然后读取表的内容、再读取索引、再读取表，如此反复。    在这个范例里，由于表里的大部分数据肯定是要被读取的，所以使用全表扫描可能会效率更高。   一般来说，当字段作为查询里的条件会返回表里的大部分数据时，我们不会对它设置索引。   换句话说，不要对像性别这样只包含很少不同值的字段设置索引。这通常被称为字段的基数，或数据的惟一性。   高基数意味着很高的惟一性，比如像身份号码这样的数据。低基数的惟一性不高，比如像性别这样的字段。   提示：索引对于提高性能大有帮助，但在有些情况下也会降低性能。我们应该避免对只包含很少不同值的字段创建索引，比如性别、州名等。